基于SVM的高分辨率遥感影像船只提取方法技术

本发明专利技术公开了一种基于SVM的高分辨率遥感影像船只提取方法，包括步骤：步骤S101，从高分辨率遥感影像中手动选取船只作为训练样本；步骤S102，基于所述训练样本的特征向量，利用SVM训练船只识别分类器；步骤S103，对高分辨率遥感影像基于图像像素灰度方差进行两类分割，得到水面孤立目标和近岸区域；步骤S104，对所述水面孤立目标和近岸区域，搜索每个固定大小的矩形窗口，计算矩形窗口的特征向量；步骤S105，将所述矩形窗口的特征向量代入到步骤S102中得到的船只识别分类器进行识别，将船只目标提取出来。本发明专利技术将SVM引入到高分辨率遥感影像船只识别当中，能够在检测船只的基础上，完成船只类别和状态的识别。

Ship extraction method of high resolution remote sensing image based on SVM

The invention discloses a method for extracting vessels, high resolution remote sensing image based on SVM includes the steps of: S101, from high resolution remote sensing images manually select ships as training samples; step S102, feature vectors of the training samples are based on the use of SVM training ship recognition classifier; step S103, the high resolution remote sensing image based on the image pixel gray variance two class segmentation, get the water isolated target and coastal region; step S104, on the surface of isolated objects and coastal area, search each rectangular window of fixed size, feature vector calculation of rectangular window; step S105, the ship recognition classifier to obtain S102 feature vector into the steps of the rectangular window in recognition, extracted from the ship. The invention introduces SVM into the ship identification of high resolution remote sensing images, and can complete the identification of the class and the state of the vessel on the basis of detecting the vessel.

【技术实现步骤摘要】
基于SVM的高分辨率遥感影像船只提取方法
本专利技术涉及遥感影像识别提取的
，尤其涉及一种基于SVM的高分辨率遥感影像船只提取方法。
技术介绍
随着遥感技术的进步，遥感影像分辨率的不断提高，遥感在各行各业都将有着广阔的应用前景。在航运管理中，船只及其运行状态是关键要素，基于高分辨率遥感影像对船只进行自动检测和状态识别能够快速分析大范围内的航运水域，对水上事故辅助分析、交通流量统计等具有重要意义。现有方法大多针对中低分辨率影像，并且重点在于检测，对于船只状态的分析很少涉及。因此很难满足需求，需进一步加以改进。
技术实现思路
有鉴于现有技术的上述不足，本专利技术提出一种能够对船只进行自动检测和状态识另O，快速分析大范围内的航运水域船只情况的基于SVM的高分辨率遥感影像船只提取方法。为实现上述目的，本专利技术提供了一种基于SVM的高分辨率遥感影像船只提取方法，包括以下步骤:步骤S101，从高分辨率遥感影像中手动选取船只作为训练样本。步骤S102，基于所述训练样本的特征向量，利用SVM训练船只识别分类器。步骤S103，对高分辨率遥感影像基于图像像素灰度方差进行两类分割，得到水面孤立目标和近岸区域。步骤S104，对所述水面孤立目标和近岸区域，搜索每个固定大小的矩形窗口，计算所述矩形窗口的特征向量。步骤S105，将所述矩形窗口的特征向量代入到步骤S102中得到的船只识别分类器进行识别，将船只目标提取出来。较佳的，步骤SlOl中所述的训练样本为包括船只的一个矩形框，在所述矩形框中以每16X16个像素的小窗口为单位，计算局部梯度统计直方图，将图像框中所有小窗口的统计直方图并联，组成该样本的HOG特征向量。较佳的，步骤S102中所述特征向量为HOG特征向量；在训练中，训练样本包括输出值和输入值两个部分，输出值为[-1，1]，-1表示非船只、I表示船只；输入值为样本HOG特征向量；最终训练得到的模型为一个判别决策函数，只要输入待识别的图像的HOG特征向量，即可得到预测值；所述预测值为[-1，I]，-1表示非船只，I表示船只。支持向量机(Support Vector Machine, SVM)在目标识别领域具有非常广泛的应用，并且已经被证明具有非常好的推广能力和鲁棒性。本专利技术将SVM引入到高分辨率遥感影像船只识别当中，基于SVR (Support Vector Regression)进行基于星载多光谱遥感影像的船只识别，能够在检测船只的基础上，完成船只类别和状态的识别。此外，还利用梯度统计直方图也叫方向梯度直方图(Histogram of Oriented Gradients,HOG)进行高分辨率遥感影像船只特征描述，可比传统的基于纹理、梯度等方法具有更好的船只目标描述能力。以下将结合附图对本专利技术的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本专利技术的目的、特征和效果。【附图说明】图1为本实施例基于SVM的高分辨率遥感影像船只提取方法的流程示意图。【具体实施方式】图1为本实施例基于SVM的高分辨率遥感影像船只提取方法的流程示意图。如图1所示，本实施例提出一种基于SVM的高分辨率遥感影像船只提取方法，包括以下步骤:步骤S101，从高分辨率遥感影像中手动选取船只作为训练样本。步骤S102，基于所述训练样本的特征向量，利用SVM训练船只识别分类器。步骤S103，对高分辨率遥感影像基于图像像素灰度方差进行两类分割，得到水面孤立目标和近岸区域。步骤S104，对所述水面孤立目标和近岸区域，搜索每个固定大小的矩形窗口，计算所述矩形窗口的特征向量。步骤S105，将所述矩形窗口的特征向量代入到步骤S102中得到的船只识别分类器进行识别，将船只目标提取出来。具体的，步骤SlOl中所述的训练样本为包括船只的一个矩形框，在所述矩形框中以每16X16个像素的小窗口为单位，计算局部梯度统计直方图，将图像框中所有小窗口的统计直方图并联，组成该样本的HOG特征向量。具体的，步骤S102中所述特征向量为HOG特征向量；在训练中，训练样本包括输出值和输入值两个部分，输出值为[-1，1]，-1表示非船只、I表示船只；输入值为样本HOG特征向量；最终训练得到的模型为一个判别决策函数，只要输入待识别的图像的HOG特征向量，即可得到预测值；所述预测值为[-1，I]，-1表示非船只，I表示船只。以上详细描述了本专利技术的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本专利技术的构思做出诸多修改和变化。因此，凡本
中技术人员依本专利技术的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。本文档来自技高网...

【技术保护点】
一种基于SVM的高分辨率遥感影像船只提取方法，其特征在于：包括以下步骤：步骤S101，从高分辨率遥感影像中手动选取船只作为训练样本；步骤S102，基于所述训练样本的特征向量，利用SVM训练船只识别分类器；步骤S103，对高分辨率遥感影像基于图像像素灰度方差进行两类分割，得到水面孤立目标和近岸区域；步骤S104，对所述水面孤立目标和近岸区域，搜索每个固定大小的矩形窗口，计算所述矩形窗口的特征向量；步骤S105，将所述矩形窗口的特征向量代入到步骤S102中得到的船只识别分类器进行识别，将船只目标提取出来。

【技术特征摘要】
1.一种基于SVM的高分辨率遥感影像船只提取方法，其特征在于: 包括以下步骤: 步骤S101，从高分辨率遥感影像中手动选取船只作为训练样本； 步骤S102，基于所述训练样本的特征向量，利用SVM训练船只识别分类器； 步骤S103，对高分辨率遥感影像基于图像像素灰度方差进行两类分割，得到水面孤立目标和近岸区域； 步骤S104，对所述水面孤立目标和近岸区域，搜索每个固定大小的矩形窗口，计算所述矩形窗口的特征向量； 步骤S105，将所述矩形窗口的特征向量代入到步骤S102中得到的船只识别分类器进行识别，将船只目标提取出来。2.如权利要求1所述的基于SVM的高分辨率遥感影像船只提取方法...

【专利技术属性】
技术研发人员：张慧哲，丁美，周良，蒋应红，沈日庚，
申请(专利权)人：上海市城市建设设计研究总院，
类型：发明
国别省市：